普林斯頓釋出開源影像模型 i1：30 億引數，程式碼與配方全公開

普林斯頓大學開源的 i1 是一個 30 億引數的文生圖擴散模型，模型檔案大小約 12GB，可以輕鬆放進大多數消費級裝置執行。它能生成寫實照片、多種藝術風格畫作和動漫插畫，在包含大量文字的影像排版渲染上也有不錯的表現。

它能做什麼，表現到底如何

先說明白，i1 並不是目前畫畫最強的模型。研究團隊也很坦白，它的綜合生成質量落後於 Z Image 和 Qwen Image，也比不上最近釋出的 Ideogram 和 ERNIE Image。如果你只是想找個作圖工具生成幾張好看的桌布，它並不是當前的首選。

但如果把範圍限定在「完全開源」的陣營裡，它的表現相當亮眼。

論文在 GenEval、DPG、PRISM、CVTG-2K 和 LongText 這五個代表性基準測試上進行了評估。結果顯示，i1 在面對主流測試時保持了很強的競爭力，在平均成績上比目前最好的完全開源模型高出整整 29.5 個百分點。

真正的價值：完全透明的訓練配方

現在行業裡很多所謂的開源模型，其實只公開了模型權重，核心的訓練資料清洗規則和訓練細節一概不提。大家拿到權重能用，但根本不知道它是怎麼煉出來的，社群想從零復現或者最佳化也無從下手。

普林斯頓這次把整套底牌都攤開了。

他們不僅釋出了模型權重、推理程式碼，還完整放出了訓練程式碼和端到端的資料處理管線，而且整個訓練過程完全基於公開資料集完成。

為了摸清文生圖模型的最佳設計路線，團隊累計消耗了超過 70 萬小時的 TPU v6e 算力，完成了 300 多次嚴格的控制變數實驗。這些實驗給出了不少紮實的工程結論，比如在混合多個精選資料集時，直接採用等權重分配就是一個非常強健的預設策略；再比如增大文本編碼器的介面卡，幾乎不需要增加多少引數量，就能顯著提升模型的生成表現。

想要嘗試的研究者可以直接通過論文頁面提供的程式碼連結，獲取模型權重、執行指南和資料處理管線。

為什麼重要

對於純粹的作圖使用者或視覺設計師來說，i1 並不值得專門去部署，現有的成熟商業工具和更大體積的開放權重模型體驗更好。

但對於高校實驗室、獨立研究者以及打算自建影像生成技術棧的團隊來說，i1 是近幾年少有的教科書級資源。它徹底終結了文本到影像模型訓練中的許多「黑盒煉丹」傳言，讓從零清洗資料、配比樣本到訓練模型的全流程完全透明。

我們認為，i1 的核心價值在於重新定義了開源的基準線。它證明了僅靠公開資料集和嚴謹的實驗設計，也能訓練出具備實用競爭力的現代模型，為學術界後續的可復現研究補上了最關鍵的一塊拼圖。